الكشف عن الأرضية
تكتشف واجهة برمجة تطبيقات الكشف عن الأرضية ما إذا كانت استجابات النص لنماذج اللغات الكبيرة (LLMs) مستندة إلى المواد المصدر التي يوفرها المستخدمون. يشير عدم الواجهة إلى الحالات التي تنتج فيها أجهزة LLM معلومات غير واقعية أو غير دقيقة عما كان موجودا في المواد المصدر.
المصطلحات الأساسية
استرجاع الجيل المعزز (RAG): RAG هو تقنية لزيادة معرفة LLM مع البيانات الأخرى. يمكن ل LLMs التفكير في مواضيع واسعة النطاق، ولكن معرفتها تقتصر على البيانات العامة التي كانت متاحة في وقت تدريبهم. إذا كنت ترغب في إنشاء تطبيقات الذكاء الاصطناعي يمكنها التفكير في البيانات الخاصة أو البيانات المقدمة بعد تاريخ قطع النموذج، فأنت بحاجة إلى تزويد النموذج بهذه المعلومات المحددة. تعرف عملية إحضار المعلومات المناسبة وإدراجها في موجه النموذج باسم Retrieval Augmented Generation (RAG). لمزيد من المعلومات، راجع إنشاء الاسترداد المعزز (RAG).
الترضية وعدم الأرضية في LLMs: يشير هذا إلى مدى ارتكاز مخرجات النموذج على المعلومات المقدمة أو تعكس مصادر موثوقة بدقة. وتلتزم الاستجابة المسندة ارتباطا وثيقا بالمعلومات المحددة، مع تجنب المضاربة أو الاختلاق. وفي قياسات الترسيخ، تكون معلومات المصدر حاسمة وتعمل كمصدر الأساس.
ميزات الكشف عن الأرضية
- تحديد المجال: يمكن للمستخدمين اختيار مجال ثابت لضمان اكتشاف أكثر ملاءمة يتوافق مع الاحتياجات المحددة لحقلهم. حاليا المجالات المتوفرة هي
MEDICALوGENERIC. - مواصفات المهمة: تتيح لك هذه الميزة تحديد المهمة التي تقوم بها، مثل QnA (السؤال والإجابة) والملخص، مع إعدادات قابلة للتعديل وفقا لنوع المهمة.
- السرعة مقابل قابلية التفسير: هناك وضعان يتبادلان السرعة مع قابلية تفسير النتيجة.
- وضع عدم التفكير: يوفر إمكانية الكشف السريع؛ سهل التضمين في التطبيقات عبر الإنترنت.
- وضع المنطق: يقدم تفسيرات مفصلة للأجزاء غير المكتشفة؛ أفضل لفهم وتخفيف.
حالات الاستخدام
يدعم الكشف عن التأريض مهام التلخيص المستندة إلى النص وQnA للتأكد من أن الملخصات أو الإجابات التي تم إنشاؤها دقيقة وموثوقة. فيما يلي بعض الأمثلة على كل حالة استخدام:
مهام التلخيص:
- التلخيص الطبي: في سياق المقالات الإخبارية الطبية، يمكن استخدام الكشف عن الأرضية لضمان عدم احتواء الملخص على معلومات ملفقة أو مضللة، ما يضمن حصول القراء على معلومات طبية دقيقة وموثوقة.
- ملخص الورق الأكاديمي: عندما ينشئ النموذج ملخصات للأوراق الأكاديمية أو مقالات البحث، يمكن أن تساعد الوظيفة في ضمان أن المحتوى الملخص يمثل بدقة النتائج والمساهمات الرئيسية دون تقديم مطالبات كاذبة.
مهام QnA:
- روبوتات الدردشة لدعم العملاء: في دعم العملاء، يمكن استخدام الوظيفة للتحقق من صحة الإجابات التي تقدمها الذكاء الاصطناعي روبوتات الدردشة، ما يضمن تلقي العملاء معلومات دقيقة وجديرة بالثقة عند طرح أسئلة حول المنتجات أو الخدمات.
- QnA الطبي: بالنسبة إلى QnA الطبية، تساعد الوظيفة في التحقق من دقة الإجابات الطبية والمشورة التي تقدمها أنظمة الذكاء الاصطناعي لمتخصصي الرعاية الصحية والمرضى، ما يقلل من مخاطر الأخطاء الطبية.
- QnA التعليمي: في الإعدادات التعليمية، يمكن تطبيق الوظيفة على مهام QnA للتأكد من أن الإجابات على الأسئلة الأكاديمية أو استعلامات الإعداد الاختبارية دقيقة من الناحية الواقعية، ما يدعم عملية التعلم.
القيود
إتاحة اللغة
حاليا، تدعم واجهة برمجة تطبيقات الكشف عن الأرض محتوى اللغة الإنجليزية. في حين أن واجهة برمجة التطبيقات الخاصة بنا لا تقيد إرسال محتوى غير إنجليزي، لا يمكننا ضمان نفس المستوى من الجودة والدقة في تحليل محتوى اللغة الأخرى. نوصي المستخدمين بإرسال المحتوى باللغة الإنجليزية بشكل أساسي لضمان النتائج الأكثر موثوقية ودقة من واجهة برمجة التطبيقات.
قيود طول النص
الحد الأقصى للأحرف لمصادر الترسيخ هو 55000 حرف لكل استدعاء API، وبالنسبة للنص والاستعلام، يكون 7500 حرف لكل استدعاء API. إذا تجاوز الإدخال (مصادر النص أو الترسيخ) قيود الأحرف هذه، فستواجه خطأ.
المناطق
لاستخدام واجهة برمجة التطبيقات هذه، يجب إنشاء مورد Azure الذكاء الاصطناعي Content خزينة ty في المناطق المدعومة. حاليا، يتوفر في مناطق Azure التالية:
- East US 2
- شرق الولايات المتحدة
- غرب الولايات المتحدة
- منطقة السويد الوسطى
قيود TPS
| مستوى الأسعار | الطلبات لكل 10 ثوان |
|---|---|
| F0 | 50 |
| S0 | 50 |
إذا كنت بحاجة إلى معدل أعلى، فاتصل بنا لطلبه.
الخطوات التالية
اتبع التشغيل السريع لبدء استخدام محتوى Azure الذكاء الاصطناعي خزينة ty للكشف عن الأساس.